تعتبر آليات الرعاية الصحية عنصرًا أساسيًا في الاستجابة الاستراتيجية لمقدمي الخدمات الصحية، وهناك حاجة ملحة لفهم كيف يمكن تحسين هذه الآليات من خلال الابتكارات التكنولوجية. تعتمد المعايير الحالية للذكاء الاصطناعي في الرعاية الصحية على استجابة ثابتة، مما يجعل من الصعب تقييم الآليات من خلال التوازن الذي تنتجه.

في دراستنا، أعيد تصميم آليات المستشفيات كعملية تخليق برامج من خلال نماذج لغوية (Language Models)، حيث يتم تنفيذ برامج قواعد قابلة لأن تُعاين وتُقيَّم بواسطة Medi-Sim، وهو مُحاكي متعدد الوكلاء يضم خمسة قنوات استراتيجية مقدمة للخدمات؛ مثل الترميز، الاختيار، التأخير، الجهد، والتصنيف.

يؤكد البحث على أهمية محددات الحوافز، حيث نكتشف أن الحركة في الخيارات الاستراتيجية، مثل الترميز الزائد واختيار المرضى ذوي التعقيد المنخفض تحت ضغط الربحية، يمكن أن تؤدي إلى نتائج متباينة. من خلال تحليل ضغط الأداء، يظهر الباحثون كيف أن إغلاق قنوات الترميز يمكن أن يؤدي إلى مضاعفة اختيار المرضى ذوي التعقيد المنخفض.

عبر إجراء بحث عن التعليمات النصية المستندة إلى النماذج اللغوية، تم إنتاج برنامج مختلط الأهداف، قادر على القضاء على ظاهرة الترميز الزائد وتقليل حالات الرفض. تحافظ هذه الحلول الجديدة على أكبر نسبة من التمويل الكلي المتاح.

بهذا، يبرهن البحث على القوة والثورة التي يمكن أن تجلبها النماذج اللغوية في المساعدة على تصميم أنظمة صحية فعالة تُلبّي الاحتياجات الحقيقية للمرضى.